直达波和杂波干扰下目标阴影逆合成孔径成像

对直达波和杂波条件下的阴影逆合成孔径雷达(SISAR)目标成像问题进行了研究。分析了直达波和杂波对侧影像畸变和运动补偿的影响,提出了一种新的直达波和杂波干扰下目标SI-SAR成像方法,即将回波信号与参考信号进行模拟对消,并利用目标回波的频谱特性剔除残留直达波,再对目标运动参数进行粗估计,采用粗搜索和精搜索2步实施准确的运动补偿,最终获得失真度较小的目标侧影像。仿真实验验证了算法的有效性。     

对合成孔径雷达的转发式扫频干扰技术研究

对合成孔径雷达( SAR)的干扰技术进行了系统的研究,在对余弦转发式干扰和伪装遮盖干扰进行详细理论分析和计算机仿真的基础上提出了一种新的干扰方法——转发式扫频干扰,该方法通过转发调制了扫频信号的SAR回波,使得SAR回波在距离向频域不能实现压缩,破坏了合成孔径雷达的自聚焦能力.理论研究表明,这几种方法均可以在低干信比的条件对SAR进行有效干扰,使其不能成像,从而达到掩护分布式目标的目的.通过对汽车模型成像的干扰仿真,验证了这些方法的有效性和可行性.     

基于NCS算法SAR成像效果仿真分析

针对SAR斜视状态使用CS算法对地面目标成像展开分析,重点分析了改进的NCS算法在处理高阶相位耦合方面的优势,按照改进的NCS算法对地面目标回波信号的成像过程进行了分析,使用计算机仿真验证了高阶耦合项位、残余相位误差随斜视角的变化关系,分析了目标回波聚焦效果,对实地模拟目标进行了成像仿真。     

舰载红外搜索与跟踪系统的最新现状与发展趋势

详细介绍了国外舰载红外搜索与跟踪系统的研制与装备,包括各国典型系统的特点、研制历史、试验以及装舰服役现状等,提出了舰载红外搜索与跟踪系统的未来发展方向。     

基于结构相似度的SAR干扰效果评估方法

传统的合成孔径雷达(SAR)图像质量评价指标没有考虑像素点间的相关性和人眼视觉系统感知特性,导致主客观不一致的现象时有发生。提出了一种主客观相结合评估方法,该方法不仅巧妙地利用了结构相似度(SSIM)作为主客观评价的连接纽带,而且结合局部方差相似度与图像高频信息相对应的特点,通过非线性合并得到了结构相似度的修正模型。仿真结果表明,该方法较之传统评估手段具有明显的优势,不仅能够更好地反映出干扰对图像细节的影响,而且能够与人类视觉系统保持高度一致,进一步提升了整套评估系统的效率和准确率。     

合成孔径雷达窄带干扰抑制技术综述

对合成孔径雷达实施有效的电子防护,使之具有降低(消除)非人为电磁干扰和人为电磁干扰的能力,是保证合成孔径雷达发挥正常性能的重要条件之一。对非人为电磁干扰抑制的发展现状进行总结,将干扰抑制分为参数化方法和非参数化方法,分别讨论了参数化抑制方法中的干扰建模、参数估计以及非参数化抑制方法的两种主要技术途径,分析了干扰抑制效果的评估方法。最后根据实践和经验提出了合成孔径雷达干扰抑制的几项建议,对今后的发展趋势进行了展望。     

合成孔径声纳中RD和ω-k成像算法的比较

从聚焦能力和处理相关的空变特性的能力两方面 ,对合成孔径声纳中几种成像算法进行比较 .给出了RD(RangeDoppler)和ω -k算法的对水池实验数据成像的结果 .     

精确制导前沿成像探测技术

回顾了精确制导技术的发展历程,分析了精确制导成像探测技术发展过程中面临的挑战与未来的主要发展方向。结合太赫兹、量子和超材料等前沿技术的发展动态,分别梳理了太赫兹雷达、量子雷达以及超材料雷达三种典型的精确制导前沿成像探测技术的技术背景、发展脉络、基本原理、技术优势。这三种成像探测技术有望为精确制导技术应对未来新型战争形态带来的挑战提供可行的技术途径。研究成果可为未来精确制导技术的深入可持续发展提供参考,并对提升精确制导武器的打击与拦截作战效力具有重大意义。     

调频斜率极性捷变SAR欠采样转发干扰

针对传统欺骗干扰难以对调频斜率极性捷变SAR形成有效干扰的问题,研究了对调频斜率极性捷变SAR进行欠采样转发干扰的方法。通过建立调频斜率极性捷变SAR有限时长欠采样转发干扰信号模型,分析欠采样转发干扰对调频斜率极性捷变SAR的干扰效果。给出假目标数目、位置以及幅度的理论计算公式,在此基础上讨论欠采样周期对干扰效果的影响。利用数字仿真验证了理论分析的正确性。     

Arbitrary-oriented target detection in large scene sar images

Target detection in the field of synthetic aperture radar (SAR) has attracted considerable attention of researchers in national defense technology worldwide, owing to its unique advantages like high resolution and large scene image acquisition capabilities of SAR. However, due to strong speckle noise and low signal-to-noise ratio, it is difficult to extract representative features of target from SAR images, which greatly inhibits the effectiveness of traditional methods. In order to address the above problems, a framework called contextual rotation region-based convolutional neural network (RCNN) with multilayer fusion is proposed in this paper. Specifically, aimed to enable RCNN to perform target detection in large scene SAR images efficiently, maximum sliding strategy is applied to crop the large scene image into a series of sub-images before RCNN. Instead of using the highest-layer output for proposal generation and target detection, fusion feature maps with high resolution and rich semantic information are constructed by multilayer fusion strategy. Then, we put forwards rotation anchors to predict the minimum circumscribed rectangle of targets to reduce redundant detection region. Furthermore, shadow areas serve as contextual features to provide extraneous information for the detector identify and locate targets accurately. Experimental results on the simulated large scene SAR image dataset show that the proposed method achieves a satisfactory performance in large scene SAR target detection.